ACE-Step 1.5 توليد الموسيقى AIO
أدخل وسوم النمط وكلمات الأغاني لتوليد أغنية كاملة. يستخدم سير العمل نموذج ACE-Step 1.5 لإنتاج موسيقى بجودة تجارية في أقل من 10 ثوانٍ على أجهزة المستهلك.
جرّب مثالًا
حول سير العمل هذا
ACE-Step 1.5 Music Generation AIO هو سير عمل تحويل النص إلى صوت في ComfyUI يحول وسوم الأسلوب والكلمات إلى أغنية كاملة. تقدّم أوصافًا قصيرة مثل "modern pop, female vocal, lush synths" بالإضافة إلى الكلمات، ويتكفّل الرسم البياني بالباقي—التجميع، وفك الترميز، وتصدير MP3—لتجربة الأفكار خلال ثوانٍ على أجهزة استهلاكية. وهو منظّم ضمن مجموعات واضحة—الخطوة 1: Load Model، الخطوة 2: Duration، الخطوة 3: Prompt—حتى تعرف دائمًا أين تضبط checkpoint، ومدة المقطع، وما الذي ينبغي على النموذج أن يغنيه أو كيف ينبغي أن يبدو.
في الخلفية، يقوم CheckpointLoaderSimple بتحميل checkpoint الخاص بـ ACE-Step 1.5 (ace_step_1.5_turbo_aio.safetensors). يقوم TextEncodeAceStepAudio1.5 بتحويل وسوم الأسلوب والكلمات إلى متجهات تكييف مخصصة لـ ACE. تُستخدم ConditioningZeroOut لتعطيل قنوات التكييف غير المستخدمة بشكل نظيف (على سبيل المثال، عندما لا تقدّم نصًا ثانويًا أو نصًا سلبيًا)، لمنع الانحياز غير المقصود. تُنشئ EmptyAceStep1.5LatentAudio لوحة صوت كامِنة فارغة لمدة مطابقة تمامًا لما تطلبه. يضبط ModelSamplingAuraFlow تركيبة جهاز التجميع/المجدول الصحيحة لـ ACE-Step 1.5، ويقوم KSampler بتحسين الكامِن تدريجيًا إلى مسار متماسك بناءً على النص. يحوّل VAEDecodeAudio الكامِن النهائي إلى صوت موجي، ويكتب SaveAudioMP3 النتيجة إلى مجلد إخراج ComfyUI. وتعرض عناصر PrimitiveNode أزرار ضبط عملية مثل steps وCFG وseed والثواني حتى تتمكن من تعديل السرعة والجودة وقابلية إعادة الإنتاج.
هذا الإعداد مفيد لعروض كتابة الأغاني السريعة، واستكشاف الأنواع، ومقاطع الخلفية. تحصل على تحكم دقيق في المدة وسير عمل قابل للتكرار عبر seed. يأتي الرسم البياني بإعدادات افتراضية معقولة لتوليد مقطع قصير بسرعة، ثم يمكنك رفع الجودة عبر زيادة steps أو تحسين وسوم الأسلوب وصياغة الكلمات.
الأسئلة والأجوبة
ضع ace_step_1.5_turbo_aio.safetensors في ComfyUI/models/checkpoints. في مجموعة الخطوة 1 – Load Model داخل سير العمل، افتح CheckpointLoaderSimple واختر الملف.
اضبط المدة في EmptyAceStep1.5LatentAudio (عبر تحكم PrimitiveNode). يحدد هذا عدد ثواني الصوت بدقة. يمكنك الإشارة إلى البنية عبر كلماتك ووسوم الأسلوب، لكن تقسيم مقطع/لازمة بشكل صريح غير مضمون.
جرّب زيادة steps في KSampler بشكل معتدل، وخفّض CFG إذا ظهرت تشوهات، وحسّن وسوم الأسلوب لتكون محددة (مثل "warm pop ballad, intimate female vocal, soft piano"). تأكد من تعطيل التكييف غير المستخدم عبر ConditioningZeroOut واجعل الكلمات مختصرة ومضبوطة الترقيم.
نعم. اضبط seed ثابتًا في PrimitiveNode المتصل بـ KSampler. استخدام نفس النموذج والنصوص والمدة وsteps وCFG سيعطي نتائج متسقة جدًا.